停车场空位检测 yolov5实战篇

给个代码链接yolov5
下载源码解压
不是吧不是吧不会有人还想着一个环境跑所有项目吧
一天最无聊的事情又开始了
先搭个环境

conda create -n yolov5 python=3.6
conda activate yolov5
conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0
pip install  yolov5/requirements.txt

数据集的链接也给一下，下载不了弄个火箭，速度杠杠的。

https://public.roboflow.com/ds/0PNziZFqaf?key=0T4ORDhjrG

数据集下载解压后新建个文件将train val test 放进去
为自己的数据集建一个配置文件data.yaml,内容如下

#这个地方的路径需要与解压后的数据路径对应上
train: ./dataset/train/images
val: ./dataset/valid/images

nc: 2
names: ['space-empty', 'space-occupied']
#由于我们只检测两个类别，所以label 只有'space-empty', 'space-occupied'，同理可换成你自己的数据类别

接下来就是定义yolov5的配置文件了，在models下定义自己的配置文件my.yaml

nc: 2 # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

# anchors
anchors:
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32

# YOLOv5 backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Focus, [64, 3]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   [-1, 3, BottleneckCSP, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 9, BottleneckCSP, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, BottleneckCSP, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 1, SPP, [1024, [5, 9, 13]]],
   [-1, 3, BottleneckCSP, [1024, False]],  # 9
  ]

# YOLOv5 head
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, BottleneckCSP, [512, False]],  # 13

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, BottleneckCSP, [256, False]],  # 17 (P3/8-small)

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, BottleneckCSP, [512, False]],  # 20 (P4/16-medium)

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, BottleneckCSP, [1024, False]],  # 23 (P5/32-large)

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

执行以下命令开始训练开始训练

python train.py --img 416 --batch 64 --epochs 100 --data 'data.yaml' --cfg ./models/my.yaml --weights '' --name yolov5s_results  --cache

运气真不错可以训练

训练好了模型也保存了
测一下

python detect.py --weights best.pt --img 416 --conf 0.7 --source ./test

这里放几张测试效果图
有一说一效果还行